【摘要】大数据在犯罪侦查中的适用，方兴未艾。大数据的本质系应用人工智能技术对大量电子数据加以挖掘。大数据的特性，使其有助于减少侦查活动的恣意性，促进犯罪侦查模式转型和案件侦破。但与此同时，其又存在数据收集时的权利保障及偏见效应、数据处理过程中的恣意和“黑箱效应”以及数据保管过程中的安全性问题。为此，需要通过采取提升大数据的质量、对数据处理过程进行有限度的公开、对个人信息建立分级保护机制等措施加以应对。
【关键词】大数据;犯罪侦查;数据挖掘;正当程序；
引言:大数据在犯罪侦查中适用的兴起
近年来，随着司法改革的不断推进，现代科技与刑事司法呈现日趋融合之势。2016年3月，国家十三五规划明确提出“全面实施促进大数据发展行动”，以助力社会治理创新。大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。事实上，就司法领域而言，无论是上海法院的206工程，抑或是浙江检察院与阿里巴巴集团共建的“检务云”平台，其实质都是大数据在司法中的探索应用。在顶层设计的不断推动之下，智慧法院、智慧检务、智慧警务的改革正在全国各地如火如荼地开展。
从侦查阶段来看，大数据在贪污贿赂案件、经济犯罪案件、网络制假售假犯罪等案件的侦查过程中，已逐渐崭露头角，显示出强大的信息和分析优势。从美国等国的侦查实践来看，基于大数据发展出的“预测性警务”(predictive policing)，在犯罪地点成像、合理根据确定、拘留决定做出等方面得到广泛适用的同时，亦饱受非议。
在网络化、信息化的大背景下，大数据与侦查行为的结合已是不可阻挡的潮流。那么，大数据会对传统的犯罪侦查模式带来何种变革?大数据在犯罪侦查中的适用，是否会与刑事诉讼的理念和原则相背离?对于大数据可能给侦查阶段带来的挑战，又该如何应对?本文拟对上述问题进行探究。
机遇:大数据对犯罪侦查的推动力
大数据的本质系应用人工智能技术对大量电子数据加以挖掘。大数据的3V特征(Vast，Variety，Velocity)，使得其对侦查活动恣意性的减少，促进犯罪侦查模式的转型和案件侦破方面，可以提供极大的助力。
(一)减少犯罪侦查的恣意性
一般情况下，立案意味着刑事诉讼的开端。在中国的语境下，根据《刑事诉讼法》第110条的规定，人民法院、人民检察院和公安机关对于报案、控告、举报和自首的材料审查后，认为有犯罪事实需要追究刑事责任的时候，应当立案;若要实施逮捕，则需“有证据证明有犯罪事实”。在美国法中，原则上以“相当理由”作为搜索、扣押或逮捕的发动原因。然而，无论是侦查机关“认为”这一表述，还是“相当理由”的论述，实质上都反映出侦查活动中不可避免的主观因素。如关于何为“相当理由”，在Illinois v．Gates一案中，法官指出，相当理由是一个流动性的概念，其并非一套僵硬的法律规则，而需要基于个案事实评估可能性。对此，甚至有学者将警察的怀疑文化称为“第六感怀疑”，认为正是在这种难以言说的怀疑中，警察真正的技巧才得以展现并且得到同行的认可。
事实上，在侦查过程中，侦查人员在决定是否采取以及如何采取特定的强制措施时，需要考虑一系列的因素。如根据《公安机关办理刑事案件程序规定》第86条的规定:公安机关应当综合考虑案件的性质、情节、社会影响、犯罪嫌疑人的社会关系等因素，确定特定场所、特定人员和特定活动的范围。在美国的刑事司法中，在确认特定的个人是否是犯罪嫌疑人时，侦查人员会考虑一系列的因素，如阶级、种族、年龄、衣式以及性别等。在小数据时代，侦查人员做出决定，主要依据的是其所受到的训练、个人经验以及常识;所做出的决定，通常基于首因效应，糅合了偏见、侦查惯性以及人类认知的缺陷等要素，具有不确定性。无论是定位犯罪嫌疑人，抑或是对特定的犯罪嫌疑人采取措施，面对个案纷繁复杂的具体事实，以及眉睫之内的时限性要求，侦查人员决定的做出，始终无法超越人类思维的极限。
在大数据时代，基于大数据的应用，可以极大增强决定做出的正确性。相比于人脑决定做出的随意与无序，大数据基于其预设的算法和赋权，可以在短时间内迅速给出相应的指示，供侦查人员参考。大数据的算法的基础是统计学，其本身被看作数学逻辑和统计批判性思维、计算机科学以及实际领域知识三者的交集。算法的预先设定性，可以在很大程度上避免个别侦查人员可能存在的恣意及偏见。从小数据时代到大数据时代的转型，有利于提高犯罪侦查的效率，增强犯罪侦查中的公平性。
此外，基于大数据的使用，还可提升犯罪侦查的精准度，减少侦查人员与普通公民之间的摩擦。在小数据时代，基于对犯罪侦查的需要，侦查人员需要面对面地与公众接触，对可能的犯罪嫌疑人进行识别和筛选，如在铁路、地铁等入口处，普通公众需要把身份证出示，以配合侦查人员特定的侦查活动。在上述背景下，即便公众对侦查人员的行为配合且谅解，但其仍在事实上造成了国家对公民个人生活的干预，且在一定程度上造成公民与国家机关之间的心理隔阂。但在大数据时代，如在杜某某运输毒品案中，侦查机关根据乌鲁木齐市机场公安局大情报数据平台反馈线索，针对毒品高危地区去乌鲁木齐市人员进行检查，从而将被告人抓获。基于大数据分析技术，侦查人员可事先对相关人员的形象加以刻画，并对其可能的路线加以预测，从而有针对性地截停，尽可能地减少与普通公民之间的摩擦。
(二)从事后侦查到事前预防的转变
在小数据时代，犯罪侦查遵循“案件发生—侦查介入—证据收集”这一模式，侦查机关的介入与犯罪行为的发生之间存在不可避免的时间差。这导致的结果，是侦查行为仅具有事后的救济和惩罚性，而不具备事前的预防性，其本质上仅作为一种消极的应对措施而存在。大数据的重要功能之一在于预测。基于大数据的适用，侦查机关可以基于其预测功能合理分配侦查资源，减少犯罪的发生，并在相关犯罪发生时及时收集证据。
大数据在犯罪预防中的一个重要体现就是犯罪地图的制作。犯罪地图是指通过将现有的犯罪事件和逮捕报告数据输入电脑进行处理并标注于地图上，从而形成更为有用的视觉空间格式信息。通过对历史犯罪数据热点地图的分析，侦查人员可以有效地界定犯罪嫌疑人的活动范围以及当前特定犯罪的活跃程度等信息。如在美国弗吉尼亚州首府里士满市，每到新年的前夕，就会发生大量的枪击案件。而后，基于对历史犯罪数据的分析和犯罪地图的制作，侦查人员预测出犯罪可能发生的时间、地点、次数等信息，从而将更多的警力置于犯罪多发地以震慑可能的罪行。数据显示，犯罪地图的制作，使得枪击案件数量减少了47%，缴获的武器增加了246%。
犯罪地图的制作及侦查人员提前介入侦查功效的发挥，其背后有犯罪学、社会学、行为学等理论的支撑。如基于惯常行为理论(Ｒoutine Activity Theory)，犯罪行为的发生需要三个要素:可能的犯罪者;合适的犯罪客体;以及有能力的监管者的缺失。当上述三个要素在一定时空内汇集，则相应的犯罪机会就会产生。根据情境犯罪预防理论，犯罪行为是罪犯理性选择的结果。罪犯在决定是否从事犯罪行为时，通常会下意识地考虑一系列要素。因此，侦查人员需要尽量增加其行为风险，并减少其行为收益。
在大数据的背景下，犯罪侦查不再遵循原有的被动型的侦查模式，转而变为主动型的侦查模式，即“犯罪预测—侦查介入—犯罪预防”。上述侦查模式的采取，一方面弥补了有能力的监管者缺失的缺陷;另一方面，客观上增加了犯罪者的行为风险，从而对其行为形成外在的震慑。
(三)不同视角的呈现以助力案件的侦破
数据挖掘是指通过特定的计算机算法对大量的数据进行自动分析，从而揭示数据之间隐藏的关系、模式和趋势，从而对决策者提供新的知识。基于对现有数据的处理和解读，大数据的应用可以挖掘出不同的信息。
也正是从这个意义上而言，侦查人员利用大数据，破获了不少陈年的旧案。如甘肃白银杀人案的侦破，系基于DNA数据库的比对;在彭某杀人案中，侦查人员根据彭某及其关系人的身份证、人像等信息，依托警务大数据及各类社会信息资源，对信息进行深度研判，从而成功找到彭某的藏身之所。此外，在涉网犯罪案件中，大数据对于案件的侦破，也起到了不可或缺的作用。在2016年的“云剑行动”中，浙江省公安厅的工作人员与阿里巴巴集团安全部合作，从“发退货、登录IP、商品文字图片、权利人投诉、消费者评价维权、社交媒体”等多个维度和特征提取涉假数据和交叉分析，逐个剥离出售假信息，依托大数据研判出402条涉假线索，最终打掉14多亿的假货。
事实上，大数据时代的数据挖掘技术，其并非是凭空产生的，具有一定的实践雏形。通过访谈了解到，在网络枪支买卖案件中，犯罪嫌疑人往往通过对枪支部件进行分拆，从而进行网络贩卖，而犯罪嫌疑人对此辩称其事先并不知情，只是对普通的零部件进行买卖。在此，对犯罪嫌疑人所卖枪支数量的认定，即成为案件侦查的关键。侦查人员基于对被告人的淘宝交易记录、支付宝交易记录、邮寄证明之间的关系进行挖掘，从而对案件事实加以证明。如在高云案中，被告人制造前堵头、固定环、调节器、击锤、过桥、弹簧等气枪的零部件，并辩称其事先对加工的部件用途并不知情。而后，法官基于QQ聊天记录、快递员和买家的证言等要素，对被告人的行为加以认定。大数据时代的数据挖掘技术，实则是人脑思维模式更为抽象层次上的表达，是对极为间接和微弱的相关性的放大化。
挑战:大数据在犯罪侦查适用引发的争议
有学者明确指出:对人工智能的过度期待或者误解可能导致现代法治的制度设计分崩离析，引起社会结构出现矛盾、混乱乃至失控的事态。侦查阶段作为犯罪侦查与人权保障关系最为紧张的环节，有必要对大数据在犯罪侦查适用过程中可能引发的争议及存在的罅隙加以审视，以免以偏概全，失之偏颇。
(一)数据收集时的权利保障及偏见效应
首先，是侦查机关的数据来源。侦查机关的数据，一般情况下有两个来源:一是基于其日常活动的收集;二是基于网络运营商的提供。出于公共安全、社会治安等的考虑，《关于加强社会治安防控体系建设的意见》明确指出加快公共安全视频监控系统建设。高起点规划、有重点有步骤地推进公共安全视频监控建设、联网和应用工作，提高公共区域视频监控系统覆盖密度和建设质量。事实上，近年来，借助于公安大数据综合应用服务平台，侦查机关收集了大量的GPS信息、人员身份信息等，并以此为基础，在侦查活动中大量使用。无处不在的电子监控，结合人像数据和面部识别软件，足以确定任何在公开和半公开场合个人的身份信息。信息时代，数据为王。在信息质变为权力基础的当下，国家权力与公民权利的二元互动呈现出紧张而又相互依赖的关系。
与传统社会不同的是，在“国家—公民”的互动中，网络时代新增了网络运营商这一主体，社交网络等媒体，日常运营过程中客观上掌握了大量的公民个人信息。在刑事司法实践中，网络运营商基于其信息提供的义务，对侦查机关信息提供的要求几乎有求必应。网络运营商的倾斜态度，使得普通公民在面对强大的公权力渗入的同时，还须防范第三方主体对个人信息的可能获取。最终导致的结果，是公民的个人信息在国家和网络运营商面前无所遁形，隐私权的范围步步紧缩，乃至荡然无存，公民彻底沦为“透明人”。同时，基于控辩双方获取信息能力的差异，控辩双方之间的平等，进一步被打破。政府借由科技发展所获得的穿墙入室、千里眼、顺风耳的超能力，比直接破门而入更令人毛骨悚然。
其次，是数据收集过程中的偏见及叠加效应。如上所述，基于对犯罪事件、犯罪时间、地点等要素的分析而制作的犯罪热点区域，自然会吸引到更多侦查人员的注意。在“犯罪数据多—犯罪热点区域的关注—侦查资源投入”这一逻辑框架下，很可能导致的结果是查处的犯罪数量呈现不断增多之势。由此，随着查处犯罪数量的增加，热点区域呈现更“热”的态势。基于数据的不断叠加而制作的犯罪地图，陷入一种自我强化的逻辑怪圈，客观性本身受到质疑。
与此同时，数据收集过程中存在的偏见效应，亦使其备受质疑。在一些国家的司法实践中，“种族”因素成为侦查人员判断特定个人人身危险性的一个要素。这导致的结果，是在侦查机关原有的数据库中，有色人种犯罪的比例远远超过白种人犯罪的比例。美国公民自由协会的数据显示，尽管黑人与白人公民持有大麻的概率一致，但因持有大麻被逮捕的可能性，黑人是白人的四倍。数据收集过程中的偏见效应，伴随着大数据计算本身具有的叠加效应，使得有色人种本身，更易成为侦查人员的目标群体。
最后，数据收集中的全面性亦无法得到确保。研究显示，一些特定的犯罪，如谋杀、盗窃等犯罪发生后，受害人通常会选择向侦查机关报案;但是对于其他的犯罪，如性侵、家庭暴力等犯罪，却仅有很少的报案比例。事实上，根据美国司法部的统计，至少有超过一半的刑事案件，最终未被侦查机关知悉。无法进入官方视野的刑事案件，丧失了数据档案中留下痕迹的可能性。这一方面使得利用大数据绘制的犯罪地图存在失真的可能性，导致侦查机关事实上资源分配决策的失误，如在性侵案件中，侦查人员的出现，可对犯罪者形成极大的心理震慑，从而有效阻止犯罪行为的存续。至此，大数据的功能在一定程度上被异化，沦为特定犯罪案件中的“帮凶”。另一方面，由于特定案件自始未被官方知悉，也使得大数据在上述案件中丧失了其助力案件侦破的功能。
(二)数据处理过程中的恣意及“黑箱效应”
大数据分析的科学性、中立性表象，为其数据处理方法的可信性进行背书，而掩盖了其本身的恣意性以及“黑箱效应”的存在。从界定上来看，黑箱效应系指对于特定的设备而言，公众可以观察到其信息的输入和输出，却无法观察到设备内部对于信息的处理过程。设备内部对于信息的处理，对于公众而言，属于无法认知的领域，构成“黑箱(Black Box)”。
首先，是变量的设置。在对犯罪地图进行刻画以及对犯罪行为进行预测时，侦查人员需要设置相应的变量。在对变量的确定及赋权过程中，存在不可避免的人为因素的介入。在一般情况下，侦查人员在设置犯罪预测模型的变量时，考虑到的因素主要是该地过去犯罪的数量，但与此同时还会考虑到发薪日期、季节变迁、酒店位置以及潜在的逃跑路线等因素。以美国新泽西州的莫里斯县为例，其在绘制盗窃类案件的犯罪地图时，通常考虑以下几个因素:(1)过去盗窃罪的发生数量;(2)近期因财产犯罪被逮捕个人的居所;(3)与交通主干道之间的距离;(4)青年男性的地理集中度;(5)公寓和酒店的位置。具体模型变量的设置，各地差异很大，其主要的依据在于侦查人员的经验。
其次，是数据本身的计算。深度自我学习系人工智能的本质特征之一。机器基于现有的算法，通过对以往数据的学习、归纳，进而推理，形成新的认知。正是在上述模式之下，机器的认知和推理结果呈现螺旋式的上升，从而在一定程度上超越了人类的认知。但是，也有学者明确指出:深度学习从原始自然信号中提取特征完成任务的过程是个黑箱，缺乏可解释性，类似于哺乳动物的低级认知功能。机器如何实现自我学习，自我学习的极限性等问题，仍是现有技术客观上无法逾越的障碍。
从正当程序的构成要素来看，其至少应当包含七个要素:准确性;公平性;平等性;可预测性、透明性和合理性;参与性;对真相的揭示;对个人尊严和隐私的维护。其中，平等性系指个人不因其个人身份而受到偏见被定罪。大数据在犯罪侦查中的适用，一方面参数设置时因人为因素的存在无法确保身份要素的完全剥离，另一方面因技术层面不可避免的黑箱效应的存在无法确保其应有的透明性。由此而导致的结果，是正当程序的价值，大受折损。
(三)数据保管过程中的安全性
就侦查机关而言，无论是基于日常活动收集的数据，抑或是网络运营商提供的数据，最终都汇聚于侦查机关的“警务云”平台上。从各地构建的警务云平台来看，其一般都融合了各地人口信息、DNA数据信息、车辆识别系统、以往犯罪案件信息等内容，以贵州省的警务云为例，其汇集了超248亿条的数据。基于庞大的数据体量、强大的搜索、比较及计算能力，警务云被称为大数据时代的“福尔摩斯”。
然而，信息一体化的设置平台，其本身即存在不可避免的数据泄露风险。这主要体现在两个方面:首先，从客观的技术层面而言，网络上的信息本身即自带泄露和受到攻击的风险。即便特定网络信息的管理，符合国际上通行的ISO27001标准，其亦无法一劳永逸地确保特定信息远离受攻击的风险。警务云本身分布式储存、多客户访问的特性，更加大了其受到攻击的可能性。其次，从侦查人员的角度来看，其仅作为大数据技术的使用者，而并非大数据技术的开发者。从实践来看，公安机关在开发警务云时，往往采用的是与互联网技术公司合作的策略。研究显示:个人敏感信息的集中程度越高，则该数据库无论是对组织内部，或者是组织外部的犯罪者而言，吸引力也就越大。事实上，从世界范围上而言，知名的互联网公司和不少政府部门的数据库都受到过大量的攻击，根据不完全统计，2014年，1亿4500万eBay用户的个人账号被泄露;2016年，5700万优步用户和60万优步司机的个人信息被泄露;2017年，美国知名征信企业Equifax网站被攻击，导致其1亿4300万客户的个人信息被泄露。
集合大量数据的平台所具有的商业价值、网络安全技术发展阶段的客观性限制、侦查部门事实上对大数据保管的力有不逮以及普通公民对被收集、分析和泄露的个人信息的茫然不知，都在客观上加剧了数据保管过程中的风险。
应对:趋利避害的可能路径
大数据在侦查活动中的适用，实质上意味着侦查机关部分侦查决策权限的让渡。作为一种侦查辅助工具，大数据本身的脆弱性、可信性、透明性以及具体运用过程中显现的问题，亟待理论界对该问题加以正视，并出台相关措施加以应对，以便趋利避害，更好地享受大数据释放的侦查红利。
(一)数据质量的提升
大数据预测模型准确性的前提是其输入数据的可靠性，然而无论是基于输入的机械性错误、数据的偏见以及数据的缺失，都在事实上造成了数据的“不完美”。事实上，在大数据与刑事司法结合过程中，无论是警务云、智慧检务与智慧法院的建设，数据质量问题一直困扰着学术界，亦已为不少学者所重视。如以中国裁判文书网的运作为例，有学者明确指出，其虽然已经收集了海量的数据，但裁判文书网所收集、整理、统计的数据往往并不能称作“法律大数据”，甚至有时数据质量可能还不如抽样调查中的“代表性数据”。
以警务云为例，多渠道的信息来源，以及信息收集过程中格式的不一致，加大了信息收集过程中的错误概率;而庞大的数据体量，要求侦查人员对此一一核对，则又显得强人所难，纯属天方夜谭;以往案件信息数量的不全，又非一朝一夕之功所能改良的现状。
在此略显尴尬的前提之下，一方面，需要寄希望于数据收集技术本身的进步，以尽可能地减少机械和人力的缺陷所导致的数据错误。另一方面，则需借助现有的证明责任原理，通过外部压力的施加，确保数据本身的准确性，提升数据的质量。具体而言，在刑事案件中，根据法律规定，除特殊情况外，由控方承担证明责任。在使用大数据分析结论作为启动侦查依据的情况下，若被告方对数据的准确性提出异议，则侦查人员需要明确数据的来源，并对数据的准确性作出认定。在此，各方证明标准的认定，可以借用非法证据排除的证明机制。即被告方只需提出初步的怀疑，而后由侦查人员对数据的准确性加以证明。若侦查机关无法对数据的正确性证明到优势证据的标准，则意味着侦查启动的违法，需视情形给予被告人特定的量刑优惠。在我国，以审判为中心的诉讼体制改革，至少从理论层面而言，有利于促进侦查活动的合法性，为上述模式的实施，提供外在性的制度保障。
(二)数据处理过程的有限公开
大数据在犯罪预测模型中的适用，实则仍属于初查阶段侦查策略的适用。根据现有法律的规定:初查过程中，公安机关可以依照有关法律和规定采取询问、查询、勘验、鉴定和调取证据材料等不限制被调查对象人身、财产权利的措施。在初查过程中获取的电子数据，可以作为证据使用。在侦查阶段，基于证据收集和固定的需要，侦查需要具有必要的“封闭性”面向，以免证据的灭失。
然而，在审判阶段，从正当程序的原理出发，其需要具备公开的面向。除基本的审判公开这一要素之外，还需体现程序的平等性等要素。根据日本学者谷口安平的观点，程序公正最重要的条件是“与程序的结果有利害关系或者可能因该结果而蒙受不利影响的人，都有权参加该程序并得到提出有利于己的主张和证据以及反驳对方提出之主张和证据的机会”。在审判过程中，对基于大数据研判结果而确立的“相当理由”的质疑，系不少案件庭审过程中争议焦点所在。而对大数据研判结果进行有效反驳的前提，是算法的公开。
事实上，在竞争激烈的市场条件下，任何法律科技公司都不会对外大肆宣扬其算法的主要内容，更不可能在公开的出版物上详细介绍其算法的运作方式。在此存在的问题，是数据算法的构建，是否是属于商业秘密的范畴。根据《刑法》第219条的规定:商业秘密，是指不为公众所知悉，能为权利人带来经济利益，具有实用性并经权利人采取保密措施的技术信息和经营信息。保密性、利益性、实用性且特定措施的采取，系构成商业秘密的四大要素。大数据算法本身的非公开性以及其对技术公司可能带来的经济收益，完全符合商业秘密的界定。
然而，算法本身的商业秘密属性，无法证成其不公开的正当性。刑事诉讼法本身对审判公开原则例外的规定，即是对该问题作出的回应。为更好地处理商业秘密的保护与诉讼程序内在的公开性的问题，有学者提出了“有意义透明(meaningful transparency)”这一概念。亦即，即便在法庭中对大数据的算法模型发生争议，使用算法的一方并不需要将精确的模型本身公开，而仅需要公开设计者为模型的设计及生效所做出的主要努力，主要包括影响因素的确立、决策树的设计以及其他路径的采取;与此同时，若可解释的模型与无法解释的模型能起到类似的作用，则为避免黑箱效应的存在，尽量选择可解释的模型。有限公开的这一路径，在目前的司法实践中，是商业秘密的维护与程序正义的保障之间的一个较为合适的均衡点。
(三)对个人信息的分级保护
个人信息，是指以电子或者其他方式记录的能够单独或者与其他信息结合识别自然人个人身份的各种信息，包括但不限于自然人的姓名、出生日期、身份证件号码、个人生物识别信息、住址、电话号码等。
网络时代，无论是个人在社交网站对信息的无意泄露，还是特定个人有意地对他人信息的窃取，个人信息的保护，相较于前网络时代，都更为摇摇欲坠。从现有的立法规定来看，自然人个人信息的保护，已为法律明确确认。但在这一前提之下，无论是《民法总则》还是《网络安全法》，均未对个人信息的层级加以划分，以对不同级别的个人信息设置不同的保护力度。
值得注意的是，不同于英美等国的规定，在我国刑事诉讼的立法体例中，侦查机关对于公民个人信息的获取，大部分属于技术侦查的范畴，而并非属于强制措施的范畴。立法体例的不同，导致权力行使过程中制约机制的差异。从界定上来看，技术侦查是指公安机关、人民检察院根据侦查犯罪的需要，在经过严格的批准手续后，运用技术设备收集证据或查获犯罪嫌疑人的一种特殊侦查措施。侦查行为的体系性定位，导致的结果是侦查人员对于数据监控行为的实施，仅需侦查机关内部批准，即由设区的市一级以上公安机关负责人批准，而无需中立第三方的介入。在检察机关职能转隶的背景下，检察机关的法律监督功能更为孱弱，监督的刚性大打折扣。在此背景之下，公民的个人信息保障陷入更为尴尬的境地。
在刑事司法中，有必要对个人信息层级加以划分，并针对不同级别的信息对侦查机关设置不同的前置性要件，以更好地缓解侦查机关与被告人之间的力量不对等，实现“限权”与“人权保障”之间的平衡。具体而言，对于个人信息的划分，可以考虑到如下几个要素:(1)个人对自身信息向第三方主体的透露，是否是其有意义地参与社会活动所必需的，如银行记录;(2)该信息是否具有内在的个人属性，如医疗诊断记录;(3)该信息为第三方主体所得的便利性，如个人在社交网站上发布的信息，即被赋予极少的隐私期待;(4)法律法规是否对该信息赋予保护，如健康信息。在上述四个标准下，不同的信息可以被划分为不同的隐私级别，而后根据其隐私级别的高低确立不同的保护措施。值得注意的是，大数据极大地扩张了侵犯隐私的深度、广度及严重程度。相比于传统时代，大数据时代的隐私范围有所不同，故需要在传统标准的信息保护标准之上，对大数据下个人信息的分级保护作出新的界定。
此外，就数据保管过程中的安全性问题而言，从一些国家的实践来看，如果特定的组织并未依据现有的标准对数据的安全性加以保障，则其可能面临行政处罚，甚至刑事处罚。在此过程中，对于大数据保管过程中本身的风险评估，系未雨绸缪的可行路径。在此，可供考量的因素主要包括:(1)识别可能带给组织的威胁或基于第三方主体的操作可能导致的威胁;(2)基于对组织内部人员、技术、资源等的评估，确定可能存在的不足;(3)评估基于漏洞的攻击而可能对个人或组织造成的影响;(4)确定风险发生的可能性;(5)对风险的应对措施。由此，基于过程性和结果性的双重规制，可对个人信息起到更好的保障作用。
结语
在《爆裂》一书中，作者指出，在网络社会，“稳定的时间段变得越来越短，新范式的颠覆性变化出现得越来越快。”大数据、人工智能、互联网等的兴起和发展，在给侦查活动带来新的可能性的同时，亦带来随之而来的风险和挑战。作为一个新生事物，大数据与侦查体制、刑事正当程序、个人信息保护之间，仍存在不少龃龉之处，有待进一步的磨合。
2012年，时任英国首相戴维·卡梅伦曾言:预防是最有效和最省钱的控制犯罪的方法，其他方法都是在收拾残局。大数据在侦查阶段的适用，毫无疑问为犯罪预防和预期损失的减少提供了新的路径和可能性。但与此同时，大数据意味着大责任。大数据在侦查阶段的适用，使得在此阶段犯罪侦查和人权保障之间的矛盾更为突出。对此的应对，亟需技术与法律层面的双管齐下，以实现共赢的局面。
【作者简介】 冯姣，法学博士，浙江财经大学法学院讲师，浙江大学光华法学院博士后研究人员。
【基金项目】2018 年度最高人民检察院检察理论研究课题“智能办案辅助系统在检察环节的应用”(项目编号:GJ2018D54)的成果;中国博士后科学基金面上资助(项目编号:2018M642390)
【文章出处】冯姣，《大数据与犯罪侦查:机遇、挑战及应对》，《兰州学刊》2019年05期。
【资料来源】转引自微信公众号“新经侦大数据”
声明：本文来自情报与安全论坛，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
